基于物理信息零样本学习的相位恢复
图像与视频处理
2021-12-08 v1 应用物理
光学
摘要
若可获得关于物体的可靠先验信息，则相位可从单张衍射强度图可靠估计。例子包括振幅界限、物体支撑、空间或变换域中的稀疏性、深度图像先验以及由深度神经网络从标记数据集学习的先验。深度学习实现了最先进的重建质量，但需要大量标记数据集（在相同实验条件下获取的地面真值-测量对）进行训练。为缓解该数据需求问题，本文提出一种零样本学习方法。本文证明，深度神经网络在为去噪任务训练时所学习的物体先验，若对网络输出有效施加衍射物理约束，也可用于相位恢复。本文进一步证明，在所提零样本框架中引入全变分可用更短时间实现相似质量的重建（例如，本文所报测试中约快 8.5 倍）。
引用
@article{arxiv.2106.04577,
title = {Phase retrieval with physics informed zero-shot learning},
author = {Sanjeev Kumar},
journal= {arXiv preprint arXiv:2106.04577},
year = {2021}
}